Grok 4.8 已进入强化学习阶段：承诺的机器人上线究竟意味着什么

Grok 4.8已完成预训练，目前正在进行强化学习；SpaceXAI 的所有者承诺“本周晚些时候”向 Grok Bot 用户限量推出——这是其于 2026 年 11 月 10 日在 X 上所说的话，也是任何人针对一款自 9 月以来就一直落后于自身期限的模型所给出的首个具体时间表。它仍然不是一个可供调用的模型。SpaceXAI 的开发者文档中没有 grok-4.8 标识符，没有费率表，没有公布的上下文窗口，也没有任何形式的独立评分；该页面上的最新条目是 Grok 4.7，它于 2026 年 9 月 21 日发布，具有 500,000 token 的上下文窗口，标价为每百万输入 token $2.00、每百万输出 token $6.00。本文中关于 Grok 4.8 的一切都是厂商或其所有者的公开说法，未经复现，也未经审计，值得把它当作时间表而非规格说明来读。

这种区分很重要，因为“在 RL 中”说的是某次训练运行，而不是某个产品。一个模型可以在强化学习中待上数周，可能评估失败，可能被回滚到较早的检查点，也可能只在一个界面上向一小群用户开放，同时对所有持有 API 密钥的人不可见。对开发者来说，有用的问题不是“Grok 4.8 会不会来”——它显然会来——而是你基于它构建所需的东西中，哪些今天已经存在。截至 2026 年 11 月 11 日，这些东西一个都不存在。

实际说了什么，按说出的先后顺序。

核心内容出现在11月10日早上的X回复串中，而顺序值得保留，因为每一行都制约着下一行。首先是时间安排：预训练已完成，Grok 4.8 正处于强化学习阶段，评估成绩开始攀升。然后是延迟的原因，这属于重写而非研究问题：

我们已弃用 JAX/SGLang，并用 C/C++ 从零重写了整个 RL 和推理栈，这多花了一些时间。训练（即预训练）已完成。SFT 数据需要大量清理才能基本做对。现在，4.8 正处于 RL 阶段……

当被问及新软件栈是用什么语言编写时，答案是 C 语言，外加一点 C++，“但不要太多”，再加上一些汇编，建立在 Starlink 工程师的工作之上，团队自己编写头文件，并自行计算时间，包括闰秒。所提供的说法是，超级智能也许有一天能写出更好的软件栈，但尚未做到，而且这是紧凑的代码。把工程细节当作厂商叙事——它无法从外部核实，其中任何部分都不是基准测试。它确实解释了一个为9月下旬宣布的模型与一个到11月仍没有标识符的模型之间的差距：公司重建了训练运行底层的机制，而这项工作体现为日历时间，而非能力。

同一讨论串中的两个论点，才是读者真正应该记住并继续思考的：

“Grok 4.8 将与 4.7 毫无相似之处（谢天谢地）。”这是一句关于变化幅度的说法，出自最有动机夸大这一点的人之口，而且没有附带任何数字。

• 新版本“尚未达到惊艳”，但“基础已经打牢”，并且将“逐步演进为特别的东西”。这是厂商罕见地在其即将发布的模型面前预先降低期望，而这一点比围绕它的热情更具信息量。

说出来的没有内容同样重要。没有更大范围发布的时间，没有提及 API，没有上下文窗口，没有参数数量，没有价格，也没有任何形式的基准测试。承诺本周上线的版本明确是有限范围的，且明确仅面向 Bot 用户，其声称的意图是“看看情况如何”。

八周的滑落，以及采摘者的痕迹究竟值多少

本周这一承诺之所以被当作新闻而非营销来解读，背后有其历史渊源。Grok 4.8 最早在九月中旬被提及，当时描述其规模约为 2.5 万亿参数、运行在全新的 C++ 技术栈上，截止期限定在 9 月 20 日前后。那个期限已经过去。最终在 9 月 21 日交付的是 Grok 4.7，而它此后一直是该公司对外销售的主力模型。自那以后，唯一的信号都只是间接的：九月底，一个 grok-4.8 条目曾短暂出现在第一方模型选择器中，带有 500K 和 256K 两种上下文选项；一份变体名称列表——grok-4.8-high、grok-4.8-high-fast 和 grok-4.8-xhigh-fast——出现在某第三方编程工具的模型列表中；十月初有一句关于“闪电般快速版本”的提法；以及十月中旬关于在困难任务上做强化学习是一种折磨、会“把他们逼疯”的评论。

所有这些都只是进行中工作的痕迹，其中没有一个最终成为可调用的模型。值得内化的模式是：一个标识符出现在选择器或客户端库中，只意味着有人配置了部署，并不意味着存在价目表。预测市场反映了同样的不确定性，对 Grok 4.8 发布的定价约为：10 月底前 13%，11 月底前约 65%。11 月 10 日的声明是自 9 月以来第一件基于证据而非情绪推动第二个数字的事情。

“仅限 Bot 用户”能告诉你什么——以及不能告诉你什么

在第一方消费级界面上进行受限灰度发布是一种特定类型的事件，它既不是正式发布，也不是预览。它只能说明，模型能够在产品测试框架中、在监督下进行对话。它并不能说明：

• 是否存在 API 标识符。Grok 4.7 的 Fast 变体自发布以来一直仅限于第一方界面，至今仍未登陆公共 API，因此产品中有一个可用的模型并不能证明存在相应的端点。

• 上下文窗口是什么。9 月选择器轨迹中的 500K 和 256K 数字是来自 UI 的配置字符串，并非文档，而且供应商这两者都未发布。

• 成本是多少。没有价目表，而价格是决定一个模型能否在大规模使用时派上用场的唯一数字。

• 它是否更好。有限范围的推广由供应商自行选择对象；参与其中的用户并非随机样本，无论他们如何反馈，都不会成为基准。

历史基准是：Bot 的推出通常比通用 API 访问提前数周，而不是数天；这一间隔由安全审查以及推理栈能否撑住决定——而这个模型的推理栈几周前才用 C 和 C++ 从零重写。如果这次推出得以发生并保持稳定，预计随后会有一个标识符和一份费率卡；如果再次延期，原因将在推理栈，而不是模型本身。

您可以真正测量的基线

由于 Grok 4.8 没有公布数据，唯一诚实的比较对象就是它所取代的模型。下面的数字来自 Grok 4.7，而且并不好看，而这正是重点——它们设定的是新模型必须跨越的门槛，而不是它已经跨越的门槛。

在 Artificial Analysis 的智能指数中，Grok 4.7 目前为 35 分，在评估机构评分的 74 个模型中排名第 41，低于同价位模型平均的 40 分。不要把它与 9 月该模型发布时流传的 46 分相比：评估机构已重新基准化该量表，如今进行任何比较都应使用 35 这个数字。更能说明问题的是成本和时间数据。Grok 4.7 每完成一项智能指数任务会消耗价值 7.77 美元的 token，每项任务耗时 25.9 分钟，而中位数为 12.8 分钟；在整个指数测试中，它输出了 1.48 亿个输出 token，而中位数为 7280 万个——用评估机构的话说，它非常话多。吞吐量约为每秒 67 个 token；开启推理时，等待首个回答 token 的时间为 53.6 秒。

有结构性理由预期 Grok 4.8 会改变那些数字，而不只是改变主要得分。一个通过强化学习在长时程任务上训练出来的模型，往往会花更多 token 去思考，而不是更少，因此当首批独立测量结果出现时，值得关注的是 token 效率和实际耗时这两项数据。如果 Grok 4.8 提高了指数，同时也把单任务成本增至三倍，那么对大多数工作负载来说，实际答案仍然会是更便宜的模型。

供应商自己的对比，这是本周说过的最有用的东西。

11月10日，当被直接问及 Grok 4.8 是否优于 Claude Opus 5.5 时，得到的回答是“不够好”，而 Opus 5.5 则被称为“杰作”。随后又说，Grok 5 应该会超越 Opus 5.5，而这可能会在两三个月内实现。这是一家厂商把当前一代拱手让给竞争对手，并指向下一代；这也是整条讨论串中最具决策相关性的一句话：如果你今天要依据能力选择前沿模型，那么即便是打造它的人，也没有把 Grok 4.8 作为答案提出来。

这也重新框定了此次发布的意义。有限范围的 Bot 发布，是为了收集关于一个模型的信号——用供应商自己的话说，这个模型的基础尚未达到惊艳程度——而不是为了从更强的竞争对手那里夺取份额。若从这个角度理解本周的承诺，现实的结果就是一小群用户先拿到一个正在测试中的模型，而正式公开发布的日期无人说明。

今天你可以叫什么，以及如何对冲

如果你希望本周就将 Grok 投入生产，答案是通过 API 使用 Grok 4.7——grok/grok-4.7 在 OrcaRouter 上按 SpaceXAI 自己的标价提供，且无任何加价，供应商价格直接传递，因此供应商调价当天就能传到你这里，而不是经过一轮重新定价后才到达。这一点在该模型上尤其重要，因为它的价目表是分层的：在提示词低于 200K 时，每百万 token 输入 $2.00、输出 $6.00；达到或超过 200K 时则为 $4.00 和 $12.00；缓存输入为 $0.50，并对重复前缀提供 75% 缓存折扣。一个每轮都重新发送相同系统提示词的长智能体循环，支付的是缓存费率，而不是标称费率；而两级阈值意味着，一个不走运的提示词长度可能让账单翻倍。

对于尚未经过验证的模型，对冲正是当前情况真正需要的做法。当 Grok 4.8 确实获得标识符时，评估它的明智方式是在故障转移规则之后进行，而不是把它作为硬编码模型：把你关心的流量路由到你已测量过的模型，让新模型承接其中一小部分流量，并在它出错或超时时让路由器回退。在 OrcaRouter 上，这是一种路由配置，而不是第二次集成——一个密钥、一个兼容 OpenAI 的端点，跨提供商自动故障转移，并且 Grok 系列中的每个模型都使用同一个端点，因此要将工作负载从 Grok 4.7 移到 Grok 4.6 或 Grok 4.3 以测试成本差异，只需更改一个字符串。这也是为什么不应将任何内容硬编码为你在别人的客户端库中看到的 grok-4.8 slug：第三方列表中的变体名称并不等于一次部署，而在生产环境中返回 404 的 slug，是比等上两周更糟的结果。

怎样才能了结此事？

四个检查点，按照它们可能出现的先后顺序排列，每一个都会把一种说法变成事实：

• 开发者文档中的一个标识符——SpaceXAI 模型列表中的 grok-4.8 条目，并有其独立页面。这是其他一切的前提，而且可以公开核查；该页面目前只更新到 Grok 4.7。

• 一份价目表。价格是决定一个模型能否在大规模场景中使用的数字，而一个没有公开价格的模型就没有生产落地的前景。

• 一个上下文窗口和一个知识截止点。来自九月选择器跟踪记录的 500K 和 256K 字符串是唯一在流传的数字，而这两者都不是文档记载。

• 一个独立的分数。Artificial Analysis 目前还没有 Grok 4.8 的条目，而其 Grok 4.7 的基线为 35 分、每项任务 7.77 美元；任何厂商基准若要令人信服，都必须超越这个数字。

至少在其中前两项出现之前，对本周情况的正确解读是狭窄的，且值得直白说明：一个本应在九月发布的模型，正由一小群 Bot 用户进行测试，其制造商自己表示它尚未超越前沿水平，而本页大多数读者实际会使用的 API 则尚未获得任何消息。值得关注的不是发布公告，而是开发者文档页面——一旦那里出现一行 grok-4.8 且旁边标有价格，等待便结束了；在那之前，其他所有信号都只是时间表。